Analyse et modélisation des décisions séquentielles : Modélisation avec Python

Note :   (3,6 sur 5)

Analyse et modélisation des décisions séquentielles : Modélisation avec Python (B. Powell Warren)

Avis des lecteurs

Il n'y a actuellement aucun avis de lecteur. La note est basée sur 3 votes.

Titre original :

Sequential Decision Analytics and Modeling: Modeling with Python

Contenu du livre :

Les problèmes de décisions séquentielles se posent dans pratiquement tous les processus humains. Ils concernent la finance, l'énergie, les transports, la santé, le commerce électronique et les chaînes d'approvisionnement, et comprennent des problèmes d'apprentissage pur qui surviennent en laboratoire ou lors d'expériences sur le terrain.

Ils englobent même les algorithmes de recherche visant à maximiser les fonctions incertaines. Une dimension importante de chaque problème est la nécessité de prendre des décisions en présence de différentes formes d'incertitude et de processus d'information évolutifs. Les travaux de Warren B.

Powell sur les problèmes de décision séquentielle ont débuté dans les années 1980 et ont porté sur les chemins de fer, l'énergie, la santé, la finance, le commerce électronique, la gestion de la chaîne d'approvisionnement et même l'apprentissage dans le domaine de la science des matériaux. Son travail sur un large éventail de problèmes a mis en évidence l'importance de l'utilisation d'une variété de méthodes.

Ce faisant, il s'est rendu compte que tout problème de décision séquentielle peut être modélisé à l'aide d'un cadre universel unique qui implique la recherche de méthodes de prise de décision. L'objectif de ce livre est de permettre aux lecteurs de comprendre comment aborder, modéliser et résoudre un problème de décision séquentielle. À cette fin, il utilise un style d'enseignement par l'exemple pour illustrer un cadre de modélisation qui peut représenter n'importe quel problème de décision séquentielle.

Il s'attaque au défi de la conception de méthodes, appelées politiques, pour prendre des décisions et décrit quatre catégories de politiques qui sont universelles en ce sens qu'elles couvrent toutes les méthodes susceptibles d'être utilisées, qu'elles proviennent de la littérature académique ou d'heuristiques utilisées dans la pratique. Bien que cela ne signifie pas que tous les problèmes peuvent être résolus immédiatement, le cadre permet d'éviter la tendance de la littérature académique à se concentrer sur des classes étroites de méthodes.

Autres informations sur le livre :

ISBN :9781638280828
Auteur :
Éditeur :
Langue :anglais
Reliure :Relié

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Programme dynamique approximatif - Approximate Dynamic Programmin
Éloge de la première édition "Enfin, un livre consacré à la programmation dynamique et écrit dans...
Programme dynamique approximatif - Approximate Dynamic Programmin
Analyse et modélisation des décisions séquentielles : Modélisation avec Python - Sequential Decision...
Les problèmes de décisions séquentielles se posent...
Analyse et modélisation des décisions séquentielles : Modélisation avec Python - Sequential Decision Analytics and Modeling: Modeling with Python
Une approche moderne de l'enseignement d'une introduction à l'optimisation - A Modern Approach to...
L'optimisation devrait être la science qui...
Une approche moderne de l'enseignement d'une introduction à l'optimisation - A Modern Approach to Teaching an Introduction to Optimization
Apprentissage par renforcement et optimisation stochastique : Un cadre unifié pour les décisions...
APPRENTISSAGE PAR RENFORCEMENT ET OPTIMISATION...
Apprentissage par renforcement et optimisation stochastique : Un cadre unifié pour les décisions séquentielles - Reinforcement Learning and Stochastic Optimization: A Unified Framework for Sequential Decisions

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)